A estas alturas, uno puede hacerse una idea de cuánto trabajo supone un coche autónomo para quien se lanza a desarrollarlo. Se requiere una gran potencia de computación, y muchos ingenieros que pulan los fallos. Si alguien sabe bien todo esto, es la empresa de taxis autónomos Waymo -propiedad de la corporación Alphabet, nombre actual del conglomerado de compañías de Google-.
Para buscar una forma de desarrollar eficazmente la detección de peatones, Waymo se alió hace año y medio con otra de las compañía de Alphabet, DeepMind. Juntas crearon lo que denominaron “Entrenamiento Basado en la Población” -PBT, por sus siglas en inglés-.
Su funcionamiento es más simple de lo que parece: Se basa en la teoría de la selección natural. Las redes neurales establecidas artificialmente compiten unas contra otras; pero sólo los mejores y más eficientes modelos de inteligencia artificial evolucionan y logran replicarse… con cambios muy ligeros. Estas ‘casi copias’ sustituyen a las redes que peor han rendido.
No obstante, ante unas redes neurales cada vez más parecidas, y para que puedan responder a la inmensa variedad de situaciones de la circulación real, Waymo creó ‘nichos’: Subgrupos en los que unas redes retan a otras. Éste es el equivalente de crear ‘islas’ en las que, progresivamente, las especies van diferenciándose, al perder el contacto entre poblaciones. L
as precauciones de DeepMind incluyen la supervisión de muestras en intervalos de 15 minutos, para evitar que una red se repita simplemente porque encaja bien con el patrón de datos proporcionado a los motores de reconocimiento.
Una idea de videojuego
Uno de los inventores de este sistema fue el investigador principal de DeepMind, el catalán Oriol Vinyals. A Vinyals se le ocurrió durante una visita a Matthieu Devin, el director de infraestructura de aprendizaje de máquinas en Waymo. Vinyals había desarrollado el mismo método para entrenar a los bots del videojuego StarCraft II.
En él, para vencer al oponente, la máquina también tiene que aprender a gestionar todo tipo de recursos e infraestructuras. El método parece funcionar: Gracias a él, la máquina venció a los jugadores humanos en una partida de “Quake III: Capture the flag”…
La gran ventaja de todo este sistema es que Waymo no necesita “entrenar” a las nuevas redes para que funcionen adecuadamente, dado que éstas ya heredan las capacidades de aquellas de las que son copia. En realidad, el proceso apenas difiere del modelo de aprendizaje de máquinas.
Gracias a la implantación de este método, Waymo y DeepMind lograron que los falsos positivos en detección de peatones descendiesen un 24 %. Waymo empezó a usar el Entrenamiento Basado en la Población para otros aspectos, como la disminución de las colisiones con otros vehículos. La compañía también sigue trabajando en mejorar el comportamiento de sus coches autónomos en aparcamientos, un entorno complejo que no tiene tantas normas como las vías públicas.
